我有某种样本可以产生一些嘈杂的输出。该示例是来自相机的一些图像处理的结果，它指示某种颜色的斑点的标题。它是一个从大约 -45° 到 +45° 的角度，或a NaN，这意味着该斑点实际上不在视野中。
为了对抗嘈杂的数据，我觉得指数平滑可以解决问题。但是，我不确定如何处理这些NaN值。
一方面，让他们参与数学运算会产生NaN平均值，这会阻止任何有意义的结果。另一方面，NaN完全忽略值将意味着永远不会报告“未检测”的情况。更复杂的是，数据也很嘈杂，因为它可能会得到错误的NaN值，理想情况下会以某种方式平滑以防止随机噪声。
关于如何实现这种指数平滑器的任何想法？
保持两个分布怎么样？第一个可以像往常一样是您的平滑 blob 标题，除非您获得 NaN，否则您只需输入最后看到的非 NaN 值（或其他默认值）；另一个是“NaN 分布”，它只是为每个非 NaN 值获取 0，为每个 NaN（或类似的东西）获取 1。
这样，即使它变得模糊，您的主要分布将继续根据“最后已知的航向”进行预测，而不会获得垃圾数据或弄乱平滑，但您也会同时获得 NaN 分布的峰值，让您知道出事了。
好吧，这实际上取决于您对平滑数据所做的工作。您可能会尝试的一件事是除了它的位置之外，对 blob 速度进行指数加权平滑，其中 NaN 贡献的值为零。当您遇到 NaN 时，您可以将其替换为基于先前位置和平滑速度的投影位置。通过平滑速度，您可以防止整个 NaN 序列产生完全疯狂的大或小值。这可能导致值超出 [-45,45]，这应该捕捉到它不在视野范围内以及它离开视野的一侧。现在，您必须实际验证这是否会在您的计算机视觉算法中产生良好的结果。如果没有，您可能还想尝试用以前的值或零替换 NaN，